-
公开(公告)号：CN117237519A
公开(公告)日：2023-12-15
申请号：CN202310608041.8
申请日：2023-05-26
Applicant: 海南大学
Abstract: 本发明提供一种光源跟随处理的手写立体字生成方法，该方法首先将字库材料量化为像素矩阵并按灰度值划分汉字集、阴影集和背景集；其次将主光源正交分解到像素矩阵所组成的坐标空间中并对领域像素点进行判断，得到边缘集；根据不同光源分量上像素点的统计特征迭代边缘集，得到扫描材料集；对汉字集和扫描材料集的映射关系进行判断，扫描处理得到手写立体字主体；选择沿着光源分解正方向边缘集邻域上的阴影集作为汉字阴影；最后还原多次迭代的预处理，合并汉字主体、背景和渲染，得到手写立体字，本发明对手写立体字规则中笔划取舍进行分析研究，解除手写立体字中相对位置对笔划取舍的限制，可构建手写立体字模型并展示手写立体字的视觉立体效果。
-
公开(公告)号：CN112327264B
公开(公告)日：2023-10-13
申请号：CN202011094747.X
申请日：2020-10-14
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于双基地FDA‑MIMO雷达的多维参数联合估计方法，该方法是一种基于划分子阵的实值ESPRIT方法。传统的技术，如ESPRIT算法和MUSIC算法在对双基地FDA‑MIMO雷达参数估计时存在精度低、以及复杂度高等问题。为了提高估计精度和降低运算复杂度，本发明首先对发射阵列进行了设计，使其不同的子阵具有不同的频率增量；然后根据接收阵列接收到的回波信号进行处理得到扩展的子阵接收数据，从而采用酉变换得到了实值的扩展数据；对数据的协方差矩阵进行分解处理得到参数的相位矩阵，根据最小二乘法(LS)求得DOA估计；此外，根据设计的配对方法，将多个包含目标参数信息的相位矩阵匹配。另外，根据划分子阵的特点，完成了DOD和距离信息的解耦合，从而实现双基地FDA‑MIMO雷达的多维参数联合估计。仿真结果表明，本发明获得了较好的估计性能。
-
公开(公告)号：CN114325563A
公开(公告)日：2022-04-12
申请号：CN202111482011.4
申请日：2021-12-06
Applicant: 海南大学
Abstract: 本发明提供了一种非均匀噪声环境下基于变分SBL的离格DOA估计方法。该方法首先将均匀线性阵列接收数据的协方差进行矢量化，并且将非均匀噪声协方差建模到变分信号矢量之中，构造一个新型变分数据模型；其次基于变分数据模型构建变分离格稀疏数据模型；然后利用稀疏贝叶斯学习(SBL)分别对与变分稀疏信号矢量相关的超参数矢量和离格误差矢量进行迭代估计，并对空域离散网格点进行迭代更新；最后根据SBL迭代收敛或者迭代次数达到1000次之后得到与信号矢量相关的超参数矢量，利用一维空间谱搜索实现波达方向(DOA)估计。相较于其他现有的DOA方法，本发明不需要单独对非均匀噪声协方差进行估计，且能够有效降低离格误差和非均匀噪声对DOA估计的影响，从而实现稳健且准确的DOA估计。
-
公开(公告)号：CN120009845A
公开(公告)日：2025-05-16
申请号：CN202510098071.8
申请日：2025-01-22
Applicant: 海南大学
Abstract: 本发明提供一种基于虚拟域张量完备的互质双基地MIMO雷达系统的参数估计方法，其特征在于，所述方法包括如下步骤:步骤S1:将互质双基地MIMO雷达系统的接收数据排列成三阶张量的形式；步骤S2:利用两个不同时域下的接收张量信号获得基于时域互相关张量，并基于互相关张量降维推导得到二维增广非连续虚拟阵列；步骤S3:基于互相关二阶统计量的非Hermitian特性构造具有元素缺失的虚拟域张量；步骤S4:对具有元素缺失的虚拟域张量进行维度扩展和降维重构，获得离散程度高并且缺失元素占比低的虚拟域张量；步骤S5:通过求解张量核范数最小化问题进行虚拟域张量完备；步骤S6:对完备过后的虚拟域张量执行PARAFAC分解并估计DOA参数和DOD参数。
-
Patent Agency Ranking
公开(公告)号：CN119441915A
公开(公告)日：2025-02-14
申请号：CN202510026500.0
申请日：2025-01-08
Applicant: 深圳市科荣软件股份有限公司 , 海南儋州粤海自来水有限公司 , 海南大学
IPC: G06F18/23 , G06F18/22 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06Q50/06
Abstract: 本发明提供一种基于结构化深度聚类的供水管网压力测点优化方法，涉及管网压力监测技术领域，所述方法通过SDCN模型对原始数据获取高维特征表示，去除原始数据中的冗余信息，然后将数据中的高维特征和结构性特征融合，SDCN模型在学习数据高维特征的同时学习数据的结构性特征，使得SDCN模型在压力监测点布置问题上能够获得一个良好的聚类效果，基于良好的聚类效果，优化传统GA算法和PSO算法的初始种群，以获得更优的压力监测点布置方案，所述SDCN模型能够有效地应用到供水管网压力监测点的布置方案中，优化监测点空间位置和数量，从而提高管网泄漏监控能力，实现监测系统经济性和有效性的平衡。
-
公开(公告)号：CN119202958A
公开(公告)日：2024-12-27
申请号：CN202411732269.9
申请日：2024-11-29
Applicant: 深圳市科荣软件股份有限公司 , 海南儋州粤海自来水有限公司 , 海南大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/0895 , G06N3/096 , G06N3/082 , G06N3/0464 , G06N3/047 , G06N3/042 , G06N3/048
Abstract: 本发明提供一种基于半监督迁移学习的供水管网泄露智能诊断方法，所述方法包括数据预处理、模型构建和模型评估三个部分。所述方法通过最小化经验分布，减小源域和目标域之间的域间距离，分别利用有标签和无标签数据对网络进行调整，帮助模型在源域和目标域之间进行有效的知识转移，从而提升因小样本、样本不均衡造成的低准确率。对比于现有的管网泄露诊断方法，本发明所提出的用于供水系统的故障诊断模型实现了更低的损失值，并在诊断准确率和精度方面都得到了一定的提升。
-
公开(公告)号：CN115022130A
公开(公告)日：2022-09-06
申请号：CN202210526448.1
申请日：2022-05-16
Applicant: 海南大学
IPC: H04L25/02 , H04B7/0413 , H04B7/0456 , H04B15/00
Abstract: 本发明提供一种基于量子力学去噪的毫米波大规模MIMO信道估计方法，包括步骤：对毫米波大规模MIMO系统进行建模，确定毫米波大规模MIMO系统的噪声接收信号模型；构造哈密顿矩阵并计算其特征向量和特征值，根据哈密顿矩阵特征向量计算对噪声接收信号进行去噪处理所需的自适应基；将噪声接收信号投影到自适应基上计算系数，在转换空间时，对系数进行软阈值处理，重构去噪接收信号；针对去噪接收信号的无约束优化问题确定优化目标函数具体形式，将目标函数等效为迭代替代函数，将毫米波大规模MIMO系统的信道估计问题简化为对角度参数的估计；通过预设算法将角度参数迭代地移动到实际角度值，获得信道估计结果。本发明相较于现有技术具有更好的信道估计性能。
-
公开(公告)号：CN112327264A
公开(公告)日：2021-02-05
申请号：CN202011094747.X
申请日：2020-10-14
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于双基地FDA‑MIMO雷达的多维参数联合估计方法，该方法是一种基于划分子阵的实值ESPRIT方法。传统的技术，如ESPRIT算法和MUSIC算法在对双基地FDA‑MIMO雷达参数估计时存在精度低、以及复杂度高等问题。为了提高估计精度和降低运算复杂度，本发明首先对发射阵列进行了设计，使其不同的子阵具有不同的频率增量；然后根据接收阵列接收到的回波信号进行处理得到扩展的子阵接收数据，从而采用酉变换得到了实值的扩展数据；对数据的协方差矩阵进行分解处理得到参数的相位矩阵，根据最小二乘法(LS)求得DOA估计；此外，根据设计的配对方法，将多个包含目标参数信息的相位矩阵匹配。另外，根据划分子阵的特点，完成了DOD和距离信息的解耦合，从而实现双基地FDA‑MIMO雷达的多维参数联合估计。仿真结果表明，本发明获得了较好的估计性能。
-
公开(公告)号：CN109143228A
公开(公告)日：2019-01-04
申请号：CN201810987347.8
申请日：2018-08-28
Applicant: 海南大学
Abstract: 本发明提供了一种互耦条件下双基地MIMO雷达非圆目标的角度估计方法，包括步骤：接收阵元接收由发射阵元发射的相互正交的非圆信号，其中，接收阵元和发射阵元均为半波长的均匀线性阵列；通过接收阵元接收机的匹配滤波器对所接收到的非圆信号进行匹配滤波；对匹配后的信号数据进行去耦操作，所述去耦操作为在张量域中进行；在张量域中利用去耦过的信号数据的非圆性与多维结构构建增广张量；对所述增广张量进行高阶奇异值分解，得到信号子空间；根据得到的信号子空间，通过联合旋转不变矩阵对目标的发射角和接收角进行估计，得到目标的角度估计。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
